可通过脚本定期采集各节点CPU、内存、磁盘和网络使用率并生成报告或告警；推荐无代理（SSH执行命令）或轻量Agent（Flask暴露/metrics）方式统一采集；需解析标准化指标、过滤异常值；支持终端简报、CSV日志、Prometheus对接及阈值告警；注意安全配置、并发控制与日志维护。
可以通过编写脚本定期采集各节点的 CPU、内存、磁盘和网络使用率，汇总后生成简洁报告或触发告警。核心在于统一数据获取方式、集中处理逻辑、避免人工登录每台机器。
统一采集：用 SSH 或 Agent 获取指标
推荐两种轻量方式：
-
无代理方案：脚本遍历服务器列表，通过
ssh user@host "free -m; df -h; top -bn1 | head -20"获取基础指标，配合timeout防卡死；注意配置免密 SSH 和合理超时（如 5 秒） -
轻量 Agent 方案：在每台服务器部署一个简单 HTTP 接口（如用 Python Flask 暴露
/metrics），返回 JSON 格式指标（{"cpu": 42.3, "mem_used_mb": 1280}），主脚本用curl批量拉取，更稳定且易扩展
结构化处理：解析+标准化+去噪
原始命令输出格式不一，需清洗再计算：
- CPU 使用率：从
top -bn1提取%Cpu(s)行，用正则匹配空闲率，再用100 - idle得出实际占用 - 内存：用
free -m中Mem:行的used / total计算百分比，排除buff/cache干扰（除非业务强依赖缓存） - 磁盘：对
df -h过滤关键挂载点（如/、/data），跳过 tmpfs/overlay 等虚拟文件系统 - 异常值过滤：单次采集若某节点 CPU > 99.9% 或响应超时，标记为“N/A”而非直接丢弃，便于后续识别故障模式
聚合与输出：生成可读报告或对接监控系统
采集完成后，按需选择输出形式：
- 终端简报：按 CPU 占用降序列出前 5 台高负载机器，附内存/磁盘状态，适合每日晨会快速浏览
-
CSV 日志：保存为
cluster_usage_$(date +%F).csv，含时间戳、主机名、各项百分比，方便 Excel 分析趋势 -
对接 Prometheus：改用
node_exporter+ 自定义 textfile collector，让脚本生成/var/lib/node_exporter/textfile_collector/cluster_usage.prom，天然支持 Grafana 展示 -
阈值告警：例如任意节点内存 > 90% 持续 3 次采集，则发邮件或钉钉消息，附上该节点最近 5 分钟负载曲线（可调用
uptime或sar补充）
安全与维护要点
避免脚本成为运维负担：
- 所有敏感信息（如密码、密钥路径）从环境变量或独立配置文件读取，不硬编码进脚本
- 添加运行锁（
flock）防止同一时段多个实例并发执行，导致采集混乱 - 日志记录每次执行的开始/结束时间、成功数、失败主机列表，错误写入
stderr并保留最近 7 天日志 - 每月检查一次目标服务器是否新增内核参数或命令行为变更（如新版
free默认单位变化），及时更新解析逻辑
